学了点正则还是不能匹配出聊天记录。

想把群里特定用户的聊天记录导出来
格式大概是这个样子
============================
2016-09-13 18:39:56 苹果(1234567)
这话说的，
怎么样

2016-09-13 20:40:04 香蕉(33445566)
床前明月光，疑是地上霜。

2016-09-13 21:40:26 土豆(180170160)
我睡觉去，大家继续嗨

2016-09-13 21:49:56 苹果(1234567)
举头望明月，低头思故乡。

2016-09-13 21:59:56 苹果(1234567)
现在几点了就睡？

2016-09-13 22:40:26 土豆(180170160)
太困了。
===================
比如想把苹果说过所有的话导出来，怎么个正则啊
时间匹配用的是：
\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2}
自己写的表达式是：
(\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2}\s{1,6}苹果$1234567$(\s.*)*(?=\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2}))
运行结果是除了最后两行其他的都匹配了。
想要的是结果是把所有苹果说的话弄出来。
方法是匹配苹果的发言时间与下一个发言时间之间的内容，但是方法是错的。
可以在这个网站测试
https://regex101.com/

第 1 条附言 · 2018-07-20 22:50:26 +08:00

总结一下，
这是我之前写法：\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2}\s{1,6}苹果$1234567$(\s.*)*(?=\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2})
学习大家的代码我发现最主要差别的是匹配聊天记录的代码。
我写的是(\s.*)*
别人的是[\s\S]*?
我那个写法中间改成(\s\S.*)*?或者(\s.*)*?为什么还不行呢。
=========================================
而只有中间换成[\s\S]*?即代码变成这样就可以了:
\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2}\s{1,6}苹果$1234567$[\s\S]*?(?=\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2})
===============================
或者中间不变，加个？变成非贪婪模式变成这样(\s.*)*?，而后面断言的不要之前的，写成这样(?=[\d\-\s\:]{20})
最后代码这样，也可以呢：
\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2}\s{1,6}苹果$1234567$(\s.*)*?(?=[\d\-\s\:]{20})
=======
总之，解决了，以后再看看书吧

第 2 条附言 · 2018-07-20 23:18:19 +08:00

对上面补充的再补充：
是因为断言出错了，
要么后面加个|$变成(?=\d{4}-\d{2}-\d{2}\s{1,6}\d{1,2}:\d{2}:\d{2}\s{1,6}|$)
要么就用这个断言，(?=[\d\-\s\:]{20})

2016-09-13

苹果

正则

匹配

24 条回复 • 2018-07-22 22:22:54 +08:00

geelaw

2018-07-20 17:20:07 +08:00

太长不看，但我觉得你可以把

(\s.*)*

改成

(\s.*)*?

试试

yesterdaysun

2018-07-20 17:23:53 +08:00

硬上了一个,仅供参考
\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2} 苹果$\d+$[\r\n]+[\s\S]*?[\r\n]{2}

jin6220

2018-07-20 17:24:34 +08:00

@geelaw 好的谢谢我试试

jin6220

2018-07-20 17:26:33 +08:00

@yesterdaysun 哇果然是大神我废了半个小时吭哧吭哧才编出了那个代码看来还要提高水平。

JCZ2MkKb5S8ZX9pq

2018-07-20 17:30:59 +08:00

一楼说得对凑合用吧
^.*苹果$1234567$(\s.*)*?(?=[\d\-\s\:]{20})

jin6220

2018-07-20 17:32:00 +08:00

@yesterdaysun 大神啊这话说的后面的怎么样没有匹配出来呐
上面对话也是我编的，实际某个人发言格式可能很复杂行与行之间还有空行。
我的思路是比管你的发言内容是什么，我只匹配两个时间里面的内容。

cncqw

2018-07-20 17:32:04 +08:00

太长不看

20[\d-]{8}\s[\d:]{7,8}\s+[^\n]+(?:\d{5,11}|@\w+\.[comnet]{2,3})\)

jin6220

2018-07-20 17:34:48 +08:00

@yesterdaysun 不好意思啊刚才用的本地软件测试的，我用那个网站测试了。实际结果是匹配出来的，我要好好研究下你的代码。

zihuyishi

2018-07-20 17:43:13 +08:00

感觉这里没必要用正则额....

ETiV

2018-07-20 17:44:44 +08:00

这样？
苹果$\d+$\s+(^.*$\n)+?^$

jin6220

2018-07-20 17:52:08 +08:00

@ETiV 包括前面的时间，这样呢，红框那些发言，
http://p3.cdn.img9.top/ipfs/QmebK5JAqyGBJsZNNaCa4svtBirfeSxhbcVrenStL8yVVR?3.jpg

ETiV

2018-07-20 18:01:22 +08:00

包括时间那么简单你自己写啦（或者用 2 楼的，「苹果」之前那一串）

FanWall

2018-07-20 18:03:49 +08:00 via Android

```
20\d{2}\-\d{2}\-\d{2} \d{2}:\d{2}:\d{2} 苹果$[^$]+\) \n(((?!20\d{2}\-\d{2}\-\d{2} \d{2}:\d{2}:\d{2} ).)+)
```

考虑一下不以两个\n 结束以及 QQ 号未必是纯数字的对话，选择单行模式，/gs

LudwigWS

2018-07-20 18:04:46 +08:00

问题是如何导出聊天记录。。

jin6220

2018-07-20 18:07:44 +08:00

@LudwigWS 喇叭状的按钮，打了消息管理器，导出即可。我选择的 txt 格式。

future0906

2018-07-20 19:18:21 +08:00

其实你做的这些都是徒劳的，如果人在说话的过程中贴了聊天记录，你怎么提取？

gam2046

2018-07-20 20:52:09 +08:00

(?<=苹果.+\n)[\s\S]*?(?=\d{4}-\d{2}-\d{2}|$)

要不要试试看？但依旧觉得，这个不应该用正则来做，最多正则选取出来每个人说的话，然后用程序根据每个人说的话，再做二次筛选会灵活很多

jin6220

2018-07-20 20:59:18 +08:00

@future0906 哈哈确实只能匹配大概正确的。
如果别人把含有他的多个聊天记录贴上来，只能把苹果每次发言的最后一个时间记录下来，如果下次他的发言时间大于上述时间，再用正则匹配。

jin6220

2018-07-20 21:09:37 +08:00

@gam2046 我也不太懂啊就是把群聊天消息导出到 txt 格式到时候用过正则弄出特定用户的发言，您觉得是怎么做好呢。另外，你这个正则好像不能匹配苹果发言。

gam2046

2018-07-20 21:13:27 +08:00

@jin6220 可变长度断言，JavaScript 并不支持而已。这个特性看正则引擎的。不要断言就直接改用捕获分组咯，不过是速度会略慢一点，不过你这个用途也无所谓，根本看不出来。

(苹果.+\n)([\s\S]*?)(\d{4}-\d{2}-\d{2}|$)

第二个分组的内容，就是你要的东西。

frostming

2018-07-20 22:19:47 +08:00

把(\s.*)*换成：' *\n([\s\S]*?)'

jin6220

2018-07-20 23:19:19 +08:00

@frostming 嗯为什么写成这样不行呢 (\s\S.*)*?

zhzer

2018-07-22 21:48:03 +08:00

这种情况，就分步骤正则嘛
简单的逻辑加上正则，比精心编排的正则省时省力

frostming

2018-07-22 22:22:54 +08:00

@jin6220 (\s\S.*)*?的意思是匹配：（[一个空格][一个非空格][任意长度字符])重复任意次，中括号之间是顺序匹配关系。这就只能匹配 " xxxx yyyy zzzz dddd..."这种字符串了呀

学了点正则 还是不能匹配出聊天记录。

学了点正则还是不能匹配出聊天记录。